引子

下采样和池化应该是包含关系，池化属于下采样，而下采样不局限于池化，如果卷积 stride=2，此时也可以把这种卷积叫做下采样。

池化

通常池化层紧跟在 CNN 的卷积层之后。

池化方法：
max-pooling：对邻域内特征点取最大值
mean-pooling：对邻域内特征点求平均

池化的作用：

降维，减少网络要学习的参数数量
防止过拟合
扩大感受野
实现不变性（平移、旋转、尺度不变性）

关于池化的神解释：

池化 = 涨水
池化的过程 = 升高水位（扩大矩阵网格）
池化的目的是为了得到物体的边缘形状

可以想象水要了解山立体的形状，水位低时得出山脚的形状，水位中等时得出山腰的形状，水位高时得出山顶的形状，三点就可以大致描出山的简笔画。

而卷积的过程是区分哪里是水，哪里是山。

对于网络结构而言，上面的层看下面的层经过 pooling 后传上来的特征图，就好像在太空上俯瞰地球，看到的只有山脊和雪峰。这即是对特征进行宏观上的进一步抽象。

那么为什么需要进行抽象呢？

因为经过池化后，得到的是概要统计特征。它们不仅具有低得多的维度 (相比使用所有提取得到的特征)，同时还会改善结果(不容易过拟合) 。

max_pooling：夜晚的地球俯瞰图，灯光耀眼的穿透性让人们只注意到最max的部分，产生亮光区域被放大的视觉错觉。故而 max_pooling 对较抽象一点的特征（如纹理）提取更好。

average_pooling：白天的地球俯瞰图，幅员辽阔的地球表面，仿佛被经过了二次插值的缩小，所有看到的都是像素点取平均的结果。故而 average_pooling 对较形象的特征（如背景信息）保留更好。

谈谈池化吧！_CodingPark编程公园相关推荐

人工智能中神经网络与自然语言处理共生关系_CodingPark编程公园
文章目录神经网络知识大串联 1:第一代的神经元模型 3 2:从M-P模型到感知器模型 3 3:前馈神经网络 3 4:后向传播与BP算法神经网络 4 5:深度神经网络DNN 4 6:卷积神经网络CNN ...
数据分析调研报告_CodingPark编程公园
文章结构速览关系梳理数据挖掘:从海量数据中找到隐藏的规则,数据分析:待分析的目标比较明确数据分析更侧重业务,一般分析的目标比较明确,重点在观察数据,得出结论: 数据挖掘更侧重技术,利用统计学/机 ...
词性标注_CodingPark编程公园
基本概念什么是词性在语言学上,词性(Par-Of-Speech, Pos )指的是单词的语法分类,也称为词类.同一个类别的词语具有相似的语法性质,所有词性的集合称为词性标注集.不同的语料库采用了不 ...
条件随机场分词_CodingPark编程公园
基本概念引言 HMM - 估计特征与序列的联合概率 p(x,y) 感知机 - 给它们打一个分数 score(x,y) CRF - 与感知机同属于结构化学习家族,但性能比感知机强大机器学习的模型谱系 ...
数据可视化与文本分类_CodingPark编程公园
文章流程预备知识数据可视化语料获取数据预处理探索数据分布词统计图像可视化与词云图文本分类文本向量化 - bag+tfidf 分类模型预备知识 read_csv 与 to_csv 方法 ...
Gensim库生成与导入W2V模型_CodingPark编程公园
Gensim库生成与导入W2V模型语料目录 gensim函数库Word2Vec配置参数 gensim.models.word2vec.Word2Vec(sentences=None,size=100 ...
Linux压缩｜解压_CodingPark编程公园
文章介绍本文主要介绍: Linux的基础参数 Linux压缩 Linux解压缩基础参数 tar - 5大参数 -c:压缩 -x:解压 -t:查看内容 -r:向压缩归档文件末尾追加文件 -u:更新原 ...
anaconda-navigaotr出现adding featured channels并无法正常打开_CodingPark编程公园
问题 navigator无法打开.停在adding featured channels状态下. 解决在mac终端下更新navigator 输入 conda install navigator 即可解 ...
GPU概述_CodingPark编程公园
GPU和CPU的区别设计目标 CPU:处理各种不同的数据类型,同时又要逻辑判断又会引入大量的分支跳转和中断的处理 GPU:处理类型高度统一的.相互无依赖的大规模数据,不需要被打断的纯净的计算环境 G ...

谈谈池化吧！_CodingPark编程公园

引子

池化

谈谈池化吧！_CodingPark编程公园相关推荐

最新文章

热门文章